Home / Blog / Internet Rzeczy / Lesson Learned Explained: Jak właściwe zbieranie i przechowanie danych okazało się kluczowe w predyktywnym utrzymaniu ruchu
_Lesson Learned Explained: Jak właściwe zbieranie i przechowanie danych okazało się kluczowe w predyktywnym utrzymaniu ruchu
autor
Jakub Kaczyński
Industrial Portfolio Director
26 września 2024
Czas czytania: 3 minuty
Lekcja 1: stawiaj małe, uważne kroki i pamiętaj o kontekście.
Potrzeba: strategia utrzymania predykcyjnego w przemyśle lotniczym
W przemyśle lotniczym i obronnym, który charakteryzuje się szczególnie wysokimi wymaganiami w zakresie precyzji i niezawodności, kluczowe wskaźniki efektywności w utrzymaniu ruchu, przewidywania awarii czy monitorowanie stanu maszyn, mają kluczowe znaczenie. Firma dysponująca ponad 70 centrami obróbczymi CNC poszukiwała sposobów na monitorowanie procesu produkcji oraz optymalizację wskaźników poprzez wdrożenie Predictive Maintenance (Utrzymanie predykcyjne).
Rozwiązanie: technologie predykcyjnego utrzymania ruchu
Aby osiągnąć zamierzony cel, podjęto następujące kroki:
Historyzacja analizy danych: gromadzenie i przechowywanie odczytów i obliczeń umożliwiło analizę trendów, monitorowanie stanu urządzeń i wyciąganie wniosków na przyszłość.
Łączność z maszynami i integracja z systemami produkcyjnymi: dzięki wykorzystaniu technologii IIoT (Przemysłowy Internet Rzeczy) analiza pracy maszyn umożliwiła ciągłe monitorowanie ich stanu oraz procesów produkcyjnych w czasie rzeczywistym.
Monitorowanie wydajności maszyn dzięki instalacji czujników: czujniki monitorowały dodatkowe parametry pracy urządzen, dostarczając niezbędnych, a wcześniej zupełnie niedostępnych, danych do analizy, pozwalających na chociażby lepsze monitorowanie procesu produkcji.
Wizualizacja pomiarów: wizualizacja statusów i KPI umożliwiła bieżący monitoring i szybkie reagowanie na nieprawidłowości i stany alarmowe, minimalizując wystąpienia awarii.
Efekt
Początkowe wyniki oparte na sztucznej inteligencji oraz Machine Learning (uczenie maszynowe) nie przyniosły oczekiwanych rezultatów. Silnik AI/ML nie był w stanie zbudować odpowiednich modeli predykcyjnych, ponieważ okazało się, iż 99% przestojów miało miejsce, gdy maszyny były w trybie ręcznym – sytuacje te więc nie mogły być przewidziane przez algorytmy AI/ML.
Główne wyzwanie
Zidentyfikowano główny problem: przestoje spowodowane błędami ludzkimi, które silniki AI/ML miały problem przewidzieć. W odpowiedzi przeprowadzono dodatkowe szkolenia personelu, co znacząco zmniejszyło liczbę przestojów i poprawiło wskaźniki KPI.
Podsumowanie
Klient, zainteresowany możliwościami Predictive Maintenance (utrzymanie predykcyjne), chciał przede wszystkim przewidywać przestoje maszyn, które do tej pory znacząco wpływały na płynność ruchu produkcji. Wyzwaniem okazał się jednak brak wcześniejszej pracy nad danymi, ich weryfikacji i archiwizowania, przez co nie można było stwierdzić, czy rozwiązanie PdM zadziała. Opracowano system, który nie tylko monitorował dane produkcyjne, ale także dostarczał analitykę, pomagając zidentyfikować główny problem – błędy ludzkie, których AI/ML nie mogło przewidzieć. Rozwiązanie problemu poprzez szkolenia personelu okazało się kluczowe. Umiejętne zbieranie i przechowywanie danych jest fundamentem efektywnego zarządzania produkcją oraz kluczowym elementem w implementacji zaawansowanych systemów, takich jak Predictive Maintenance. Bez solidnych danych, jakiekolwiek analizy i modele predykcyjne stają się bezwartościowe.
Wnioski
Nie można osiągnąć wszystkich ambitnych celów jednocześnie: realistyczne podejście i etapowe wdrażanie nowych technologii są kluczowe.
Gromadzenie danych i świadomość stanu produkcji: ważne jest rozpoczęcie od zbierania danych, aby uzyskać pełny obraz rzeczywistego stanu produkcji.
Dane przekształcone w informacje: kontekst i analiza historyczna danych przekształcają surowe dane w wartościowe informacje.
Rola ludzi i algorytmów: ludzie powinni wykonywać kreatywne zadania, podczas gdy algorytmy mogą zajmować się precyzyjnymi i powtarzalnymi operacjami, unikając tym samym „ludzkich” błędów.
Wdrożenie Predictive Maintenance w firmie z branży lotniczej i obronnej pokazało, że technologia, choć potężna, wymaga odpowiedniego kontekstu i współpracy z ludźmi, aby przynieść zamierzone efekty.
Jesteś zainteresowany wdrożeniem Predictive Maintenance w Twojej firmie? Sprawdź naszą ofertę i dowiedz się więcej.
Lesson Learned Explained: Poprawa KPI w Branży FMCG dzięki automatyzacji i analizie danych z półautomatycznych linii produkcyjnych
Wprowadzenie W sektorze żywności i napojów (zwanym inaczej FMCG – Fast Moving Consumer Goods) osiąganie wysokich wskaźników KPI, takich jak dostępność, wydajność i jakość, ma kluczowe znaczenie dla efektywności operacyjnej i zachowania przewagi konkurencyjnej. Nasz klient, firma działająca w tej branży, napotkał trudności w utrzymaniu optymalnych wyników na półautomatycznych liniach produkcyjnych ( w tym przypadku pracownicy […]
Jak zwiększyć efektywność produkcji bez inwestycji w park maszynowy?
Nie musisz wymieniać maszyn na nowe, aby Twoja produkcja stała się bardziej "inteligentna" oraz wydajniejsza. Twój park maszynowy jest kopalnią danych, a kluczem do sukcesu jest cyfryzacja.
7 sposobów jak widoczność danych zwiększa efektywność produkcji
XXI wiek to czas kiedy dane odgrywają coraz większą rolę, a trend ten zauważalny jest również w branży produkcyjnej. Gromadzenie ich to jednak za mało. Dopiero dzięki dostępowi do danych operacyjnych i zapewnieniu ich widoczności w czasie rzeczywistym, firmy mogą monitorować linie produkcyjne, identyfikować wąskie gardła i podejmować oparte na danych decyzje, również z wykorzystaniem sztucznej inteligencji (AI) i uczenia maszynowego (ML).
5 kroków do zwiększenia efektywności energetycznej w firmie produkcyjnej
Według Niemieckiego Federalnego Urzędu Statystycznego zużycie energii przez przemysł do produkcji towarów w latach 1995-2019 prawie się nie zmieniło. W 2019 roku wyniosło ono 3 874 petadżuli. Oznacza to, że utrzymuje się na tym samym poziomie co w latach poprzednich. W Niemczech planuje się zmniejszyć zużycie energii pierwotnej o połowę do roku 2050
5 sposobów na redukcję kosztów energii w przemyśle
Koszt energii elektrycznej – bardzo często pomijany bądź akceptowany taki, jaki jest z uwagi na to, że jest integralną częścią produkcji. W czasach kryzysów i cięcia kosztów, może on jednak szybko stać się jednym z głównych czynników wpływających na wyniki finansowe organizacji.
Energy Advisor dla produkcji – oszczędność energii dla przemysłu
Rachunki za zużycie energii od wielu lat są przedmiotem zainteresowania praktycznie wszystkich dziedzin przemysłu, a obecna sytuacja na świecie jest czynnikiem zwiększającym zapotrzebowanie na rozwiązania, które ułatwiają monitorowanie zużycia energii lub jej oszczędzanie.
W środowisku przemysłowym, w którym koszt mediów zawsze był jednym z głównych czynników napędzających biznes, ostatnie zmiany w gospodarce światowej: inflacja, wyzwania związane z dostawami zasobów naturalnych oraz groźba zmiennych i nieprzewidywalnych wzrostów kosztów energii - są obecnie najważniejszymi czynnikami ekonomicznymi.
Dlaczego warto używać Azure Cloud dla rozwiązań IoT
Cyfrowa transformacja zmienia sposób, w jaki połączone są produkty, aktywa, dane i operacje, aby dostarczyć biznesową wartość dla klientów. Przekształcenie danych cyfrowych na pozytywne i wartościowe doświadczenia klienta pozwala osiągnąć realne, wymierne korzyści i zyski dla przedsiębiorstwa. Technologie cyfrowe tworzą nowe możliwości biznesowe na całym świecie i prowadzą do ewolucji przedsiębiorstw, produktów i procesów. Poniższy artykuł przybliża wybrane, najpopularniejsze technologie Przemysłu 4.0 w kontekście biznesowym. W tekście opisana zostanie koncepcja Internetu Rzeczy oraz infrastruktura chmury obliczeniowej wraz z możliwością ich wykorzystania w cyfrowej transformacji.
Jedną z niewątpliwych zalet rozwiązania, jakim jest Internet Rzeczy, jest możliwość gromadzenia i przetwarzania ogromnej liczby różnorodnych danych (np. wartość temperatury, liczba wyprodukowanych elementów, ilość pozostałych płynów, wskaźnik wilgotności, czas pracy maszyn). Wiąże się z tym jednak pewne niebezpieczeństwo – wielość informacji może utrudnić ich efektywne wykorzystywanie. Rozwiązaniem tego problemu jest wizualizacja danych, a odpowiednio dobrany typ wykresu może zwiększyć wartość danych. W tym artykule zaprezentujemy korzyści płynące z dobrej wizualizacji danych oraz jakie mogą mieć zastosowanie w Twojej organizacji.
Skalowalność w aplikacjach webowych stała się standardem. Pojedynczy serwer nie poradzi sobie z rosnącą ilością podłączonych do Internetu urządzeń. Skalowalność to charakterystyka systemu, która odpowiada na pytanie: czy jeśli zwiększy się ilość zasobów, to system będzie działał wydajniej?
Współczesne serwisy internetowe odpowiadają na miliony zapytań użytkowników. Wszystkie one działają w środowiskach klastrowych. Obsługa wielu zapytań wymaga znacznych zasobów, takich jak czas procesora (CPU) oraz pamięć RAM. Każde połącznie do serwera generuje jego dodatkowe obciążenie. W takiej sytuacji jeden serwer wymagałby ogromnych ilości zasobów, a prawo Moor'a już się nie sprawdziło. Aby temu zaradzić potrzebujemy wielu serwerów, które obsługują zapytania użytkowników. Aplikacje webowe (w tym także IoT) używają protokołu HTTP(S), który działa na zasadzie: żądanie-odpowiedź. Gdy użytkownik otwiera stronę, lub wywołuje akcję, zostaje wysłane żądanie do serwera. Na każde żądanie użytkownika serwer musi przygotować odpowiedź. Każda odpowiedź musi zostać w odpowiedni sposób przeprocesowana, a to stanowi główne kryterium estymacji ilości zasobów serwera - żądania mogą być różne, od danych statycznych jak style CSS lub obrazy, po skomplikowane jak pobieranie danych z bazy, filtrowanie lub wyliczanie pewnych współczynników.
IoT Hub Connector dla ThingWorx – Połączenie ThingWorx z Chmurą Azure
Thingworx IoT Hub Connector jest mostem, który łączy platformę Thingworx z chmurą Azure (a dokładniej z Azure IoT Hub). Zapewnia on bezpieczną (opartą na certyfikatach) komunikację, dzięki której możemy korzystać z ogromnych możliwości chmury obliczeniowej. Jest to rozwiązanie bardzo rozbudowane, ale również generyczne.
Czym jest AIoT? Artificial Intelligence of Things w Przemyśle 4.0
Synergia, tak można określić to naturalne połączenie technologii, które znacząco wpłynie na wygląd przyszłości produkcyjnej. Ostatnimi czasy coraz większą popularność zyskuje, obok Internetu Rzeczy (IoT), sztuczna inteligencja (AI). Zestawienie tych dwóch trendów technologicznych zwiastuje praw-dziwą rewolucję przemysłu 4.0.
Tegoroczny Liveworx, ze względu na globalną sytuację wywołaną przez pandemię COVID-19, wyjątkowo odbywał się wyłącznie w wersji on-line. Już pierwszego dnia zapowiedziano wypuszczenie do komercyjnego użytku nowej wersji ThingWorx - najpopularniejszej platformy maksymalizującej potencjał przemysłowego internetu rzeczy. Zgodnie z zapowiedziami Joe Birona, CTO odpowiedzialnego za technologię IoT w PTC, ma być szybciej, taniej i efektywniej.
Rozwój sztucznej inteligencji, a wraz z nią uczenia maszynowego nabrał w ostatnich latach dużego rozpędu. Ciągłe dążenie do zwiększenia mocy obliczeniowej komputerów dało możliwość wykorzystania algorytmów oraz aparatu matematycznego stworzonych w drugiej połowie XX wieku na niespotykaną dotąd skalę. Mając w perspektywie rychłe nadejście komercyjnego komputera kwantowego można powoli zacząć obawiać się scen rodem z filmów z Arnoldem Schwarzeneggerem w tytułowej roli Terminatora. Nie wybiegając jednak za daleko w przyszłość, a skupiając się na teraźniejszości postanowiłem sprawdzić jakie możliwości daje dostępna dzisiaj technologia oraz czy można wykorzystać ją w predykcji rozprzestrzeniania się choroby COVID-19.
Przemysłowy Internet Rzeczy zmienia dziś nasze spojrzenie na klasyczne pojęcie produkcji. Największe koncerny wytwórcze chętnie sięgają po rozwiązania technologiczne, które usprawniają i zwiększają efektywność procesów produkcyjnych. Wraz z rozwojem kolejnych technologii rośnie zainteresowanie koncepcją przemysłu 4.0, a w rezultacie także liczba połączonych urządzeń. Aby zaspokoić zapotrzebowanie w zakresie infrastruktury o odpowiedniej przepustowości i prędkości niezbędna była ewolucja w kierunku kolejnej generacji sieci- 5G. Jak 5G wpłynie na rozwój Fabryk przyszłości i dlaczego to kluczowe z perspektywy Internetu rzeczy? Wszystkiego dowiesz się z artykułu.
Koronawirus, a ciągłość produkcji – IoT i AR dla przemysłu
Nagła epidemia koronawirusa SARS-CoV-2 i wywoływanej przez niego choroby COVID-19 wpłynęła na każdą sferę funkcjonowania współczesnego świata. Wywołane zagrożeniem epidemiologicznym ograniczenie przepływu ludzi, towarów i usług już negatywnie wpłynęło na ciągłość procesów produkcyjnych wielu branż, a każdy dzień utrzymywania się tej sytuacji, bez wiarygodnych prognoz powrotu do normalności wciągał będzie kolejne w spiralę zagrożenia zatrzymaniem.
Internet Rzeczy stosowany jest w coraz szerszym zakresie, a z rozwiązań optymalizujących czy gromadzących informacje korzystają światowi giganci. Wszystko po to, aby usprawniać dotychczasowe procesy, pozyskiwać, przetwarzać i raportować większą ilość danych lub nawet wprowadzać nowe usługi.
Jak Internet Rzeczy rozwija przemysł motoryzacyjny?
Nikogo nie zaskoczy stwierdzenie, że przemysł motoryzacyjny jest z natury innowacyjny. Samochody to maszyny, które historycznie zrewolucjonizowały wiele obszarów przemysłu, a dziś można śmiało powiedzieć, że branża motoryzacyjna nie spoczywa na laurach i nadal skupia się na rozwoju technologicznym, który ma służyć konsumentom prywatnym oraz biznesowym.
Wydawałoby się, że Internet Rzeczy jest dedykowany wyłącznie branży przemysłowej. Z nią jednak bardzo związane są transport oraz logistyka, które również mogą skorzystać na trwającej właśnie rewolucji.
Jak zwykle w ostatnich latach, silna drużyna Transition Technologies PSC była obecna w Bostonie na jednym z najważniejszych wydarzeń IoT tego roku – LiveWorx 2019. No to zaczynamy Nawet z 10 uczestnikami z różnych obszarów biznesu, aktywnie poszukującymi nowych informacji i prezentacji, udało nam się uczestniczyć jedynie w małej części z ponad 240 […]
Przemysł 4.0 i jego fundament – Internet Rzeczy (IoT – zwłaszcza w przemysłowym wydaniu: IIoT) zdominowały w ciągu ostatnich lat sposób myślenia o zaawansowanym zarządzaniu zasobami przedsiębiorstw produkcyjnych. Każda nowa maszyna, aplikacja, sterownik… szczyci się gotowością do podłączenia do Internetu Rzeczy. Czy jednak jest to faktycznie nowa jakość i wartość dodana otwierająca nowe horyzonty, czy […]
Czym ThingWorx różni się od Axeda i czy warto rozważyć zmianę?
Odkąd PTC odzyskało ThingWorx w 2013, było jasne, że pionier parametrycznego CAD’a oraz jeden z liderów PLM chciał znacznie powiększyć ślad swojej obecności na...
Czy twoje zasoby danych są gotowe? Wsparcie ThingWorx dla InfluxDB
Jakiś czas temu PTC ogłosiło wydanie nowej wersji Platformy ThingWorx (8.4), która posiada wsparcie OOTB integracji z InfluxDB. Na pierwszy rzut oka, to 'jedynie’ wsparcie dla kolejnej bazy danych, ale jeśli przyjrzeć się temu bliżej, to kolosalne posunięcie, które sprawia, że środowisko Internetu Rzeczy (IoT) PTC staje się bardziej niezawodne pod względem potencjału zbioru danych. […]
Niegdyś niedoceniany sposób podejścia do tematu, dziś rozwija skrzydła i staje się kluczowym zbiorem rozwiązań globalnych korporacji. Choć nie tylko, bo śladami wielkich podążają również średnie i mniejsze firmy. Zatem zalety Internetu Rzeczy dostrzegli już wszyscy. Jakie jednak trendy rozwoju będziemy mogli dostrzec w 2019 roku? 1. Przepustowość danych W wielu branżach ilość przesyłanych danych […]
W ostatnich latach bardzo dużo mówiło się na temat Internet of Things (IoT) oraz sposobach w jakim miałbym on odmienić przemysł. Jednakże póki co widzieliśmy znacznie więcej ludzi dużo mówiących o tej technologii niż takich, którzy realnie ją wdrażali. Zatem, czy IoT jest już technologią na tyle „dojrzałą” aby móc stać się prawdziwą okazją dla […]
